Các cấp độ dùng AI hiện nayThe levels of using AI today
Sáu cấp, từ hỏi đáp tới xây sản phẩm: mỗi cấp bạn đóng vai gì, AI làm gì, ai kiểm tra, và cách lên cấp tiếp theo.Six levels, from Q&A to building products: your role at each, what the AI does, who checks, and how to move up.
Sáu bậc dùng AISix levels of using AI
Mỗi bậc giao cho AI nhiều việc hơn, và việc của bạn chuyển dần từ làm sang quyết định, kiểm tra. Bấm ▶ để leo từng bậc.Each level hands the AI more of the work, and your job moves from doing to deciding and checking. Press ▶ to climb.
Gần đây hay gặp câu "thời này mà còn dùng AI để chat là mức nông dân". Câu đó đúng một nửa. Bài này chia cách dùng AI hiện nay thành 6 cấp, để bạn biết mình đang đứng ở đâu và bước tiếp theo là gì.
Không có thang chính thức nào cả. Đây là cách chia dựa trên một câu hỏi: bạn giao cho AI bao nhiêu phần công việc, và ai kiểm tra kết quả.
Cấp 1: Hỏi đáp
Bạn hỏi một câu, AI trả lời một câu, như một Google biết nói.
- Ví dụ: "MQTT là gì?", "viết giúp email xin nghỉ phép".
- Giới hạn: AI không biết gì về bối cảnh của bạn, nên câu trả lời chung chung. Bạn tự chép kết quả ra chỗ dùng, và thường không kiểm tra lại.
⬆️ Muốn lên cấp 2 thì trước khi hỏi, hãy tự trả lời ba câu. AI cần biết gì về tình huống của mình? Kết quả tốt trông thế nào? Có ví dụ mẫu nào đưa kèm được không?
Cấp 2: Chat có ngữ cảnh
Vẫn là chat, nhưng bạn biết cách ra đề: dán tài liệu, nêu mục tiêu, đưa ví dụ, đặt tiêu chí, bắt AI phản biện, rồi lặp nhiều vòng. Bạn dùng thêm project, chỉ dẫn riêng (custom instructions), bộ nhớ để khỏi giải thích lại từ đầu mỗi lần.
- Ví dụ: dán log lỗi kèm đoạn code liên quan và hỏi nguyên nhân. Đưa bản yêu cầu nghiệp vụ, nhờ soạn danh sách câu hỏi cần làm rõ.
- Đa số người "dùng AI giỏi" đang ở đây. Kết quả tốt hơn hẳn cấp 1, nhưng bạn vẫn là người chạy việc: chép code qua lại, tự chạy, gặp lỗi lại dán vào.
⬆️ Muốn lên cấp 3, hãy để ý những lúc bạn chỉ đang làm người chuyển phát, chép từ khung chat sang editor rồi chép lỗi ngược lại. Đó là phần nên giao cho AI tự làm.
Cấp 3: AI có công cụ
AI được tự tay làm: đọc file, tìm web, chạy code, gọi các dịch vụ bạn kết nối (Google Drive, Jira, Figma…). Bạn vẫn dẫn từng bước, nhưng không còn đứng giữa AI và máy.
- Ví dụ: "đọc thư mục này rồi tóm tắt kiến trúc", "chạy test và cho biết cái nào hỏng", "tìm trong Drive bản hợp đồng mới nhất và so với bản cũ".
⬆️ Muốn lên cấp 4, thay vì ra lệnh từng bước, hãy thử giao cả mục tiêu kèm tiêu chí "thế nào là xong".
Cấp 4: Agent, giao cả nhiệm vụ
Bạn giao một mục tiêu, AI tự lên kế hoạch, làm nhiều bước, tự kiểm tra, rồi báo lại. Bạn duyệt kết quả và những thao tác nhạy cảm. Đây là các agent lập trình như Claude Code, hay chế độ agent trong IDE.
- Ví dụ: "sửa lỗi đăng nhập này, viết test chứng minh đã sửa, chạy lại cả bộ test". Hay "dựng trang cài đặt theo thiết kế này, chụp màn hình ở mobile và desktop để tự soát".
- Kỹ năng chuyển từ "hỏi cho hay" sang giao việc rõ và kiểm tra giỏi: đề bài đủ ngữ cảnh, tiêu chí xong rõ ràng, và đọc báo cáo với con mắt hoài nghi. AI nói "đã xong" chưa phải là bằng chứng. Test chạy qua, ảnh chụp, số liệu đo được mới là bằng chứng.
⬆️ Khi thấy mình nhắc AI cùng một điều lần thứ ba, hãy viết điều đó thành luật. Đó là bước sang cấp 5.
Cấp 5: AI trong quy trình có luật
Bạn không chỉ giao từng việc mà thiết kế cách AI làm việc: luật viết sẵn cho dự án (file như CLAUDE.md), skill đóng gói các việc lặp lại, quyền hạn (được tự làm gì, phải hỏi gì), hook chạy kiểm tra tự động, nhiều agent chạy song song, việc chạy theo lịch hoặc trong CI.
- Ví dụ: một quy trình nơi AI viết đặc tả từ yêu cầu nghiệp vụ, agent khác cài đặt theo đặc tả, agent thứ ba sinh testcase và chạy kiểm thử, còn con người duyệt ở các cổng giữa các bước. Hay luật "không được ghi vào production khi chưa có xác nhận", được thực thi bằng cấu hình chứ không chỉ bằng lời dặn.
- Con người lúc này là người thiết kế hệ thống và đặt rào chắn.
⬆️ Khi quy trình của bạn đủ ổn để người khác dùng, nó đã gần thành một sản phẩm, tức là cấp 6.
Cấp 6: Xây sản phẩm bằng AI
AI là một phần của sản phẩm cho người khác dùng: gọi API của mô hình, cho AI tra tài liệu riêng (RAG), agent chạy trên server, và bộ đánh giá (eval) để đo chất lượng trước mỗi lần thay đổi.
- Ví dụ: trợ lý chăm sóc khách hàng trả lời đúng theo tài liệu công ty, hệ thống tự phân loại và chuyển ticket, công cụ đọc hoá đơn rồi nhập liệu.
- Khác biệt lớn nhất so với cấp 5: người dùng cuối không biết cách "ra đề", nên mọi ngữ cảnh, rào chắn và cách kiểm tra phải nằm sẵn trong sản phẩm.
Tóm lại trong một bảng
| Cấp | Bạn đóng vai | AI làm | Ai kiểm tra |
|---|---|---|---|
| 1 | Người hỏi | Trả lời | Bạn (thường không kiểm) |
| 2 | Người ra đề | Soạn, phân tích | Bạn |
| 3 | Người dẫn đường | Đọc, chạy, tra cứu | Bạn, từng bước |
| 4 | Người giao việc | Làm trọn nhiệm vụ | AI tự kiểm, bạn duyệt |
| 5 | Người thiết kế quy trình | Làm theo luật, nhiều việc cùng lúc | Luật, quyền, CI và bạn |
| 6 | Người làm sản phẩm | Phục vụ người dùng cuối | Eval, giám sát |
Vậy dùng AI để chat có phải "nông dân"?
Câu đó sai ở chỗ cấp cao không thay thế cấp thấp. Chat vẫn là cách tốt nhất để hiểu một thứ mới. Muốn hiểu MQTT hoạt động ra sao thì câu trả lời đúng là một đoạn giải thích, không phải một agent đi sửa code. Người dùng giỏi nhảy qua lại giữa các cấp tuỳ việc.
Nhưng câu đó cũng đúng một phần. Nếu bạn đang chép qua lại giữa khung chat và editor hay terminal cho những việc AI tự làm và tự kiểm được, thì bạn đang làm phần nhàm nhất thay cho máy.
Một câu tự hỏi cho mỗi việc: "Việc này AI có tự làm được và tự kiểm chứng được không?" Có thì giao (cấp 4). Lặp đi lặp lại thì viết thành luật hoặc skill (cấp 5).
Càng lên cao, rủi ro càng lớn
Từ cấp 3 trở đi, AI chạm vào hệ thống thật: file, cơ sở dữ liệu, server, tiền. Mỗi bậc thang đòi thêm kỹ năng kiểm soát:
- Phân quyền chặt, mặc định chỉ cho đọc, thao tác ghi hay xoá phải hỏi. Môi trường production tách riêng.
- Sao lưu trước khi đổi, và biết cách hoàn tác trước khi bấm.
- Kiểm chứng bằng phép thử thật, đừng tin lời báo cáo. Bảo AI chứng minh, chẳng hạn chạy lại test, chụp màn hình, đo trước và sau.
- Không đưa bí mật vào cuộc trò chuyện, như mật khẩu, khoá API, dữ liệu khách hàng. Cái gì đã dán vào thì coi như đã lộ, nên đổi.
Lên cấp không phải để trông "xịn" hơn. Lên cấp là để mỗi giờ của bạn được dùng vào việc chỉ con người làm được: quyết định làm gì, và đánh giá kết quả có đúng không.
A line going around lately: "still using AI just to chat? That's peasant level." It is half right. This post splits today's ways of using AI into 6 levels, so you can see where you stand and what the next step is.
There is no official scale. This one is built on a single question: how much of the work do you hand to the AI, and who checks the result?
Level 1: Questions and answers
You ask one question, the AI gives one answer, like a Google that talks.
- Examples: "what is MQTT?", "write me an email asking for a day off".
- Limits: the AI knows nothing about your situation, so the answer is generic. You copy it out by hand and usually don't check it.
⬆️ To reach level 2, answer three questions before you ask. What does the AI need to know about my situation? What does a good result look like? Is there an example I can attach?
Level 2: Chat with context
Still chat, but you know how to set the task: paste documents, state the goal, give examples, set criteria, make the AI argue back, iterate. You use projects, custom instructions and memory so you don't explain everything from scratch each time.
- Examples: paste an error log with the code around it and ask for the cause. Hand over a business requirement and ask for the list of questions that need answering.
- Most people who "use AI well" are here. Results beat level 1 by a mile, but you are still the one running the work: copying code back and forth, running it, pasting errors back in.
⬆️ To reach level 3, notice the moments when you are only a courier, copying from the chat into the editor and the errors back again. That is the part to hand to the AI.
Level 3: AI with tools
The AI gets to do things itself: read files, search the web, run code, call the services you connect (Google Drive, Jira, Figma…). You still lead step by step, but you no longer stand between the AI and the machine.
- Examples: "read this folder and summarize the architecture", "run the tests and tell me which fail", "find the latest contract in Drive and compare it with the old one".
⬆️ To reach level 4, instead of giving orders step by step, hand over the whole goal together with what "done" means.
Level 4: Agents, whole tasks
You hand over a goal; the AI plans, works through many steps, checks its own work, and reports back. You review the result and the sensitive actions. This is coding agents like Claude Code, or the agent modes in IDEs.
- Examples: "fix this login bug, write a test that proves it's fixed, run the whole suite". Or "build the settings page from this design and screenshot it on mobile and desktop to review yourself".
- The skill shifts from "asking well" to delegating clearly and checking hard: a task with enough context, a clear definition of done, and a skeptical read of the report. An AI saying "done" is not evidence. Passing tests, screenshots and measured numbers are.
⬆️ When you catch yourself telling the AI the same thing a third time, write it down as a rule. That is the step into level 5.
Level 5: AI inside a process with rules
You no longer just hand over tasks; you design how the AI works: written rules for the project (files like CLAUDE.md), skills that package repeated jobs, permissions (what it may do alone, what it must ask), hooks that run checks automatically, several agents in parallel, jobs on a schedule or in CI.
- Examples: a pipeline where one AI writes a spec from the business requirement, another agent implements it, a third generates test cases and runs them, and humans approve at the gates in between. Or a rule like "never write to production without confirmation", enforced by configuration rather than by a polite request.
- The human is now the one who designs the system and sets the guardrails.
⬆️ When your process is solid enough for other people to use, it is close to being a product, which is level 6.
Level 6: Building products with AI
AI is part of a product other people use: calling a model's API, letting it look things up in your own documents (RAG), agents running on a server, and evaluations (evals) that measure quality before every change.
- Examples: a support assistant that answers strictly from the company's documents, a system that sorts and routes tickets, a tool that reads invoices and enters the data.
- The big difference from level 5: end users don't know how to "set the task", so all the context, guardrails and checks must already live inside the product.
The whole thing in one table
| Level | Your role | The AI does | Who checks |
|---|---|---|---|
| 1 | Asker | Answers | You (often nobody) |
| 2 | Task setter | Drafts, analyzes | You |
| 3 | Guide | Reads, runs, looks things up | You, step by step |
| 4 | Delegator | Finishes whole tasks | The AI checks itself, you review |
| 5 | Process designer | Works by the rules, many jobs at once | Rules, permissions, CI and you |
| 6 | Product builder | Serves end users | Evals, monitoring |
So is chatting with AI "peasant level"?
The line is wrong in that higher levels don't replace lower ones. Chat is still the best way to understand something new. If you want to know how MQTT works, the right answer is an explanation, not an agent off editing code. Good users move between levels depending on the job.
But the line is also partly right. If you are copying back and forth between a chat window and your editor or terminal for work the AI could do and check by itself, you are doing the dullest part of the job for the machine.
One question per task: "Can the AI do this by itself and prove it worked?" If yes, delegate it (level 4). If it keeps coming back, turn it into a rule or a skill (level 5).
The higher you go, the bigger the risk
From level 3 up, the AI touches real systems: files, databases, servers, money. Each step up asks for more control:
- Tight permissions, read-only by default, writes and deletes must ask. Production kept separate.
- Back up before changing, and know how to roll back before you press the button.
- Verify with a real test, don't trust the report. Make the AI prove it: rerun the tests, take a screenshot, measure before and after.
- Keep secrets out of the conversation, such as passwords, API keys, customer data. Anything already pasted should be treated as leaked and rotated.
Moving up is not about looking more advanced. It is about spending your hours on what only a person can do: deciding what to build, and judging whether the result is right.